基于深度学习技术的乳腺癌早期检测与分类
计算机视觉与模式识别
2025-01-22 v1 机器学习
摘要
乳腺癌是世界卫生组织（WHO）统计的另一类致命癌症，导致全球约巨大数量的患者每年死亡。该癌症是在乳房组织快速且无控制地生长时发生的。若在癌症恶性化前检测，可防止此致死率。在乳腺癌早期年龄检测中，可实施人工智能和机器学习技术以获得最佳结果。本研究使用来自 Kaggle 数据仓库的乳腺癌图像分类数据集进行研究，该数据集包含 9248 张乳腺超声图像，并分为良性、恶性和正常三个类别——分别指非癌性、癌性和正常图像。本研究引入三个预训练模型，搭载自定义分类器，包括 ResNet50、MobileNet 和 VGG16，以及采用 ReLU 激活函数的自定义 CNN 模型。ResNet50、MobileNet、VGG16 和自定义 CNN 在该数据集上分别记录了 98.41%、97.91%、98.19% 和 92.94% 的准确率，其中 ResNet50 达到最高的 98.41% 准确率。这一模型凭借其深层强大架构，在检测异常细胞以及癌性或非癌性肿瘤方面尤为成功。这些准确率表明，机器学习方法在乳腺癌的分类和早期检测方面更具兼容性。
引用
@article{arxiv.2501.12217,
title = {Early Detection and Classification of Breast Cancer Using Deep Learning Techniques},
author = {Mst. Mumtahina Labonno and D. M. Asadujjaman and Md. Mahfujur Rahman and Abdullah Tamim and Mst. Jannatul Ferdous and Rafi Muttaki Mahi},
journal= {arXiv preprint arXiv:2501.12217},
year = {2025}
}